I centri di eccellenza dell’IA accelerano l’adozione dell’IA nel settore
L’era dell’intelligenza artificiale e del digitale ha accelerato il tasso di innovazione così rapidamente che alcune organizzazioni semplicemente non riescono a tenere il passo. Infatti, Senior Leader e Chief Executive di tutto il mondo sono “estremamente preoccupati”, come sottolineato da un recente sondaggio di PwC, “The Anxious Optimist in the Corner Office”, su come la loro impresa potrà competere in un contesto economico continuamente volatile clima stimolato dal progresso tecnologico. Inoltre, un sondaggio McKinsey ha rilevato che solo il 20% delle aziende è stato in grado di raggiungere capacità di analisi avanzate, il 50% delle quali sta costruendo AI e circa due terzi di loro stanno stabilendo un Centro di eccellenza AI. Inoltre, uno studio Gartner ha scoperto che l’80% delle aziende non riuscirà a massimizzare il pieno potenziale dell’IA a causa della mancanza di scienziati dei dati. Di conseguenza, le aziende hanno iniziato a enfatizzare i Centri di eccellenza (CoE) dell’intelligenza artificiale, che sono guidati da un gruppo di esperti dell’azienda per consentire la rapida esecuzione di obiettivi organizzativi come l’adozione di scalabilità e la consulenza per le parti interessate. I CoE di intelligenza artificiale si stanno dimostrando fondamentali nell’era digitale, mantenendo il passo con il tasso di innovazione che beneficia della crescente conoscenza e delle migliori pratiche. Tutto ciò sta promuovendo la trasformazione tecnologica aziendale fornendo al contempo casi d’uso essenziali.
Pensa a un CoE AI come a una piattaforma di conoscenza fondamentale nella tua organizzazione. Questa piattaforma di conoscenza contiene gli apprendimenti accumulati dalle precedenti iniziative di intelligenza artificiale e una visione chiara per l’uso dell’intelligenza artificiale nella tua strategia aziendale. Consente ai team di fornire continuamente soluzioni coerenti con le esigenze aziendali. Può generare entrate, creare efficienze sui costi, migliorare l’esperienza del cliente e darti un vantaggio competitivo.
Secondo uno studio di Gartner, si prevede che il 95% delle organizzazioni nel 2021 con un COE dedicato al cloud produrrà un vero successo nella trasformazione del cloud. Inoltre, un rapporto di Gartner intitolato “Scegli il giusto centro di eccellenza per la tua strategia di intelligenza artificiale” ha rilevato che il 50% delle organizzazioni con oltre tre iniziative di intelligenza artificiale in corso creerà un CoE di intelligenza artificiale entro il 2022. Inoltre, lo studio della Harvard Business School “Come impostare un Centro di Eccellenza AI”ha dimostrato che “il 37% ha affermato di aver già costituito una tale organizzazione. Deutsche Bank, JP Morgan Chase, Pfizer, Procter & Gamble, Anthem e Farmers Insurance sono tra le aziende non tecnologiche che hanno creato gruppi centralizzati di supervisione dell’IA”. Queste informazioni suggeriscono che sembra esserci una correlazione tra la quantità di iniziative relative all’intelligenza artificiale lanciate dalle imprese rispetto alla loro propensione a implementare un CoE. Lo stesso studio di Harvard Business Review, alludeva alla gestione del cambiamento e agli aspetti tecnici del CoE.
È importante notare che ci sono diversi modelli funzionali e operativi che le imprese stanno adattando per quanto riguarda il CoE. Il modello di gestione del cambiamento si concentra sull’enfatizzare la prospettiva di innovazione che l’intelligenza artificiale può fornire agli stakeholder aziendali nell’organizzazione. Al centro di questo modello c’è l’istruzione e la formazione dei dirigenti e delle unità aziendali. Oltre alla gestione del cambiamento, l’approccio Sandbox è un altro modello centrale, in cui il CoE funge da fulcro dell’innovazione e della ricerca e sviluppo dell’azienda. Questo modello enfatizza le prove di concetti e le diverse tecnologie emergenti. La chiave è l’allineamento delle unità aziendali attorno ai POC e l’essere responsabili del lancio iniziale e dello sviluppo di casi d’uso per soggetto. Infine, il modello Launchpad per il CoE sfrutta e si basa sulle capacità dei data scientist esistenti, ingegneri e sviluppatori. Il CoE impiega i migliori esperti in materia in tutti i dipartimenti per condurre formazione e istruzione pratiche e individuare soluzioni aziendali in fase iniziale.
Un’applicazione pratica del CoE di diversi modelli sarebbe un Data Science Center progettato specificamente per ridimensionare le iniziative di data science. Per sfruttare con successo la scienza dei dati sono necessarie infrastrutture/capacità tecnologiche leader oltre a team di esperti. Spesso è molto costoso per le aziende dedicare fondi ai team di data science nei dipartimenti dell’organizzazione, poiché i costi maggiori sono sostenuti a causa della natura duplicata di dover fornire a ciascun reparto il proprio team di data science. Il CoE in questo caso risolve questo problema per l’organizzazione formando un’unità di data science centralizzata che guida il valore aziendale in tutta l’organizzazione.
Esistono già diversi esempi di adozione di CoE di successo nell’azienda. Ad esempio, Cisco Systems ha collaborato con le università per creare unità di data science centralizzate e programmi di formazione sull’intelligenza artificiale per consentire ai dipendenti di trasformarli in esperti. Programma cinture di Anheuser-Busch InBevè un perfetto esempio di una grande applicazione aziendale di un Centro di Eccellenza per accelerare gli obiettivi aziendali. Il programma ha formato migliaia di dipendenti in tutto il mondo per ottenere le certificazioni Lean Six Sigma, che ha consentito all’azienda di ampliare le sue iniziative di data science e AI. Inoltre, la più grande società di media privata tedesca, ProSiebenSat.1 Media ha sfruttato un modello CoE che posiziona strategicamente i suoi team di analisi dei dati all’interno dei suoi dipartimenti di business digitale e IT per semplificare il suo modello di business e rafforzare le sue competenze di ROI AI. Tutti questi casi d’uso pratici hanno consentito a queste grandi aziende di guidare la trasformazione aziendale e l’adozione dell’intelligenza artificiale. Un altro esempio, NTT Data, un’azienda multinazionale di integratori di sistemi, ha istituito un centro di eccellenza per l’intelligenza artificiale,
Sebbene molte aziende adottino AI CoE, ci sono anche sfide significative che potrebbero ostacolare l’efficacia di AI CoE. Queste sfide includono la democratizzazione dell’IA per le aziende, la ricerca di talenti reali e l’allineamento con gli standard di intelligenza artificiale responsabile. Man mano che le aziende passano a modelli decentralizzati, l’AI CoE potrebbe incontrare problemi con i dipendenti che acquistano. Sulla base del talento, senza le giuste competenze, è difficile stabilire un AI CoE che rifletta le capacità fondamentali dell’azienda e la capacità di innovare. Infine, senza includere l’IA responsabile, i CoE di IA potrebbero dover affrontare un contraccolpo costoso e una reputazione danneggiata con altri attori del settore.
Inizia con un problema di core business. Delinea la tua visione, strategia e governance e delinea le principali parti interessate che vuoi che la tua soluzione di intelligenza artificiale risolva per il business. Delinea chiaramente i vantaggi dell’implementazione e dell’adozione. Successivamente, esamina i requisiti finanziari e la fattibilità dell’AI CoE, comprendendo l’attuale tasso di adozione, conoscenza e know-how dell’IA e organizzando un comitato per fornire supervisione dello sviluppo dell’AI CoE. Infine, imposta la governance e ottieni il consenso di tutti i principali stakeholder: CTO, CEO, CIO e tutti i principali leader delle business unit. Disporre la governance e il ruolo che giocheranno i leader. Delinea il ruolo del Chief AI officer come parte della governance.
I dati devono diventare la risorsa più importante dell’azienda. Ogni azienda deve pensare in modo critico a come raccoglie, archivia, governa e gestisce le risorse di dati e alla sua accessibilità e qualità. Determina i metodi per raccogliere, archiviare e annotare i dati, nonché la capacità di addestrare i dati su base ripetuta. Ottieni dati affidabili, di alta qualità, puliti, completi e affidabili.
Identifica e mostra librerie di casi d’uso da POC, fari, implementazione di unità aziendali standard a progetti moonshot. Determina i casi d’uso per i quali l’intelligenza artificiale è sia efficace che pragmatica.
Crea il tuo pool di talenti e avvia l’educazione all’intelligenza artificiale . Ciò è applicabile a prodotti, soluzioni, ingegneria, gestione dei prodotti, apprendimento automatico e analisi dei dati. L’intera comunità aziendale deve essere riqualificata e riqualificata per creare una mentalità pronta per l’IA.
Costruisci un’infrastruttura adeguata. Supporto per la modellazione e la gestione della pipeline di distribuzione post-produzione con funzionalità di analisi e intelligenza artificiale.
Determinare il modello di maturità, le migliori pratiche e la fase di implementazione dell’AI CoE: ciò include sforzi pesanti come la progettazione dell’AI CoE, la creazione di unità di team dedicate che guideranno il tasso di innovazione dell’organizzazione, ambienti di test monitorati, creazione di un processo di governance struttura, analizzando le aree per massimizzare l’efficienza, allocando le risorse AI CoE e costruendo un modello finanziario. È importante costruire la scalabilità con progetti pilota e più grandi.
Benchmark e metriche di layout come KPI, metriche di successo per ogni iniziativa di intelligenza artificiale, dimostrando come risparmiare tempo e denaro, generare entrate o migliorare l’efficienza.
Marca e commercializza il CoE AI: una volta che il CoE è strutturato e stabilito, l’organizzazione deve enfatizzare il marketing del suo centro per mostrare casi d’uso di AI unici e rimanere rilevante e competitivo nell’economia digitale.
Poiché il ritmo dell’innovazione tecnologica e dell’IA continua ad accelerare, AI CoE non solo diventerà una necessità fondamentale, ma anche una funzione operativa chiave per le imprese per mantenere un vantaggio competitivo nel mercato dell’IA e continuare a innovare e aumentare le opportunità di guadagno.
